组图大数据时代的统计教育内容提要统计类本科专业( 五 ) _大数据

3. 添加统计模型课程
统计模型是数据分析的主要工具。从目前的情况来看，大部分高校为本科生开设的统计模型课程主要是线性回归模型、时间序列分析和多元统计分析等，远远不能满足数据分析的实际需要，因此在教学内容中非常重要。需要增加一些新的统计模型，如广义线性模型、广义加性模型和线性混合模型。在一定的课时条件下，增加新内容必然会涉及到传统内容的删除或压缩，需要仔细研究。例如，您可以尝试将部分广义线性模型教授到线性回归模型课程中。实际上，如果简化模型的数学推导过程，将注意力集中在模型的思想和应用上，则可以完全压缩教授统计模型所需的课时。对于大部分需要直接进入就业市场的本科生来说，统计模型的研究应该更多地关注应用层面的问题，比如模型的设置、模型的测试和评估、模型输出结果的解释，而不是纠结于模型推导处理数学细节。
4. 强调统计计算
传统的统计教育更注重统计思想和统计理论，推崇数学推导过程，但缺乏对统计计算重要性的认识。虽然统计学的发展是建立在数学的基础上的，但统计学不同于数学。在很多情况下，用直观的数值模拟代替复杂的数学推导，不仅不会降低准确性，而且可以使结论更容易理解，这对于统计学专业的本科生来说无疑是一种非常有效的学习方法。例如，贝叶斯统计具有理论完善、结论直观等优点。缺点是计算量大。然而，随着当今计算技术的飞速发展，过去贝叶斯统计曾经面临的计算瓶颈正在逐渐消失。基于 MCMC 的统计方法用于数据分析的力量日益显现。因此，在大数据时代，强调统计计算的重要性应该是大势所趋。
5. 融合传统教学内容
很多传统的统计方法都是基于小样本数据建立的，不适合大数据分析的需要。在大数据时代，这些传统教学内容的相对重要性也会发生变化。例如，在数据量很大的情况下，统计显着性检验的重要性将显着降低，如何克服数据中偏差的影响，如何在高维数据中寻找结构模式和相关性将成为明显。越来越重要。整合传统教学内容的必要性毋庸置疑，但实施起来难度很大。美国统计协会没有明确指出哪些统计方法应该是强制性内容，哪些是可选内容，并且可以在其新发布的本科统计指导大纲中删除或压缩。这是一个极具争议的话题，需要各学校在教学实践中进行探索和总结。
（四）对非技术素质培养不够重视
这里所谓的非技术素质主要是指学生表达统计分析结果的能力，以及统计分析过程中应遵守的职业道德。我国目前的统计专业培训项目对这两个素质的重视程度较低，尤其是统计职业道德的培训几乎是空缺的。
统计分析过程的一个重要环节是将数据分析结论有效地传达给用户，潜在用户可能是统计专业人士，也可能是非统计专业人士。这就要求毕业生具备良好的口头和书面表达能力，善于利用图表、动画等工具，将数据分析的结论准确、直观地呈现给用户。这种能力可以通过课堂讨论和撰写研究报告来培养。
数据分析包含一定的经验成分，不可避免地受到分析师个人主观判断的影响，也必然涉及数据分析的职业道德。统计学专业的毕业生在实际工作中可能会面临很多伦理问题，比如故意忽略客观环境对数据收集的影响，只报告具有统计意义的结果，忽略数据分析的假设，混淆因果关系和相关关系，隐藏数据分析中可能存在的缺陷方法，将统计意义解释为实际意义，根据主观需要选择变量和数据等。统计职业道德的培养，一方面可以潜移默化地让学生逐渐养成关心数据质量的好习惯，在专业课程的教学中科学选择统计方法，客观呈现分析结论，另一方面也可以采取专题讲座的形式。关注数据分析过程中应遵循的伦理问题。

以上关于本文的内容，仅作参考！温馨提示：如遇专业性较强的问题（如：疾病、健康、理财等），还请咨询专业人士给予相关指导!

「辽宁龙网」www.liaoninglong.com小编还为您精选了以下内容，希望对您有所帮助：

组图 大数据时代的统计教育内容提要统计类本科专业( 五 )

组图大数据时代的统计教育内容提要统计类本科专业( 五 )